Maintenance prédictive : de « fail & fix » à « prévenir et prévoir »

Maintenance prédictive : de « fail & fix » à « prévenir et prévoir »

Face aux évolutions majeures du secteur de l' Energy et des Utilities , assurer la continuité des opérations est primordial en toutes circonstances. En identifiant les risques de défaillance grâce à une connaissance fine des équipements, la maintenance prédictive répond à cet enjeu. Il promet un modèle de production optimisé.

Acquisition
  • APERÇU

Un secteur en pleine mutation

Concurrence des nouveaux arrivants, demandes énergétiques croissantes, autoconsommation, changement climatique, équipements vétustes, réglementations, smart grids, smart cities, smart building... Les acteurs du secteur de l'énergie et des services publics sont aujourd'hui confrontés à des évolutions majeures. L'électricité, le gaz et l'eau sont désormais considérés comme des marchandises ; leur valorisation ne réside plus dans leur accès, mais dans leur utilisation et les services associés. Par exemple, la distribution dynamique de l'alimentation électrique d'un quartier, le contrôle à distance de la température de confort d'un bâtiment ou le bon fonctionnement d'un parc éolien.

Ces services nécessitent une gestion optimale des équipements de production, de transport et de distribution, tout en privilégiant la réduction des coûts. Intervenir sur un bien en fonction de son état réel plutôt que selon un planning prévisionnel est l'un des enjeux de la maintenance prédictive. Après une maintenance curative et préventive, cette nouvelle approche s'appuie sur une connaissance approfondie des équipements pour anticiper avec précision les risques de défaillance.

La maintenance prédictive profite de la digitalisation des équipements. Lorsqu'ils sont connectés à des capteurs, ces derniers émettent des signaux faibles concernant leur état de fonctionnement. Après traitement, les données collectées sont comparées à des « signatures » d'échec modélisées par des algorithmes prédictifs basés sur des informations historiques sur les dysfonctionnements de l'appareil. Lorsqu'un état d'équipement approche d'une signature, une alerte en temps réel est envoyée pour lancer la correction avant que la panne ne se produise.

  • RELEVER LE DÉFI

La maintenance prédictive, un programme d'entreprise

L'enjeu est donc d'avoir le taux de détection le plus fiable possible, avec un seuil d'alerte affiné dans le temps grâce au machine learning. L'intégration de données externes, notamment météorologiques, peut également permettre de mesurer l'influence de l'environnement immédiat sur les performances des équipements pour adapter la production en conséquence. Cette anticipation permet de planifier les interventions au plus près des besoins afin d'éviter les interventions inutiles et coûteuses des techniciens, d'optimiser la logistique des pièces de rechange et d'éviter les baisses de productivité en réduisant les risques d'arrêts imprévus. Pour un site connecté, une connaissance détaillée de l'état des équipements et une gestion précoce des pannes devraient réduire les coûts de consommation et améliorer la productivité.

Choisir les objets à connecter, qualifier les données à traiter, sélectionner les protocoles de communication, valider les algorithmes d'analyse, les tableaux de bord, etc., tout cela nécessite la combinaison d'expertises métier, télécom et informatique (SI, UX/UI Design) dans une co -approche constructive. Un projet de maintenance prédictive s'inscrit dans un programme d'entreprise et ses nombreuses initiatives : gestion de projet, gestion des data management , assemblage de briques technologiques, déploiement industriel, conduite du changement (réunir des équipes qui ne se rencontrent pas habituellement, travailler ensemble), en commençant par le programme d'entreprise requis en collaboration avec le Comité Exécutif. Le programme est d'autant plus complexe qu'il s'inscrit dans la digitalisation globale de l'entreprise.

  • POINT DE RÉFÉRENCE

630 milliards de dollars : selon une étude de McKinsey*, c'est le montant que les entreprises devraient économiser d'ici 2025 grâce à la maintenance prédictive. La réduction des coûts de maintenance représentera 10 à 40 % des économies, le nombre de pannes sera divisé par deux et les sommes investies dans les nouvelles machines diminueront de 3 à 5 % grâce à leur durée de vie accrue. (*Source : www.mckinsey.com)

  • #Voix d'observateur

« La concurrence oblige les producteurs d'énergie comme les industriels à s'assurer qu'il n'y ait pas d'interruption de production ou de services sur leurs sites. En disposant de données granulaires sur le fonctionnement de leurs équipements, ils peuvent anticiper les fluctuations de production, et ajuster finement l'utilisation des machines en fonction de paramètres externes comme le climat. La maintenance prédictive est le rapport minoritaire de maintenance.' " François Boncenne, Directeur du Pôle Energy, Utilities et Chimie, Inetum

  • # Solution Inetum

Intégrateur de bout en bout de toutes les briques technologiques (IoT, Big Data, Analytics, IA, Data Visualization, UX/UI Design, portail, mobile, API et intégration SI) sur l'ensemble de la chaîne de valeur, Inetum accompagne les entreprises dans leur transformation numérique en tirant parti de Cumulocity (Software AG), des plateformes Microsoft Azure IoT et SAP Leonardo et de l'environnement de traitement Big Data Hadoop. Du conseil à l'acquisition et la visualisation des données, en Inetum par le traitement, l'enrichissement, le stockage et l'export des données, Inetum se distingue par sa capacité à proposer un modèle industrialisé, agile et sur-mesure.

Retour à la liste des actualités